随着国家政策对医药创新和数智化转型的推动，药学教育面临多学科交叉实验资源有限、新技术融入滞后等挑战。本文探讨了人工智能（artificial intelligence，AI）技术驱动下药学专业技能实验课程的创新改革路径，提出四大转型升级趋势：虚拟仿真实验智能化，通过AI增强实验真实性并解决伦理与成本问题；课堂课后一体化，打破时空限制实现自主训练；教学反馈精准化，基于数据分析实现个性化指导；AI技术发展常态化，通过教学数据反哺AI模型优化。本文以抗肿瘤药物设计为例，展示了AI在药物化学、分析、药理及药剂实验中的具体应用，如靶点预测、图像识别、分子对接和释放曲线建模。最后强调AI需与教师主导作用相结合，通过系统性规划推动药学教育生态重构，培养兼具专业能力与AI素养的复合型人才。
自2022年起，上海交通大学医学院附属新华医院内科专业基地持续优化，已形成“按年度递进、双向衔接”的轮转模式。该模式以年度为周期单元，依次围绕 “基础能力培养”“横向专业能力拓展”“临床综合能力提升”三大核心目标构建培养体系。同时，专业基地立足住院医师需求，在3年培养周期首尾分别设置了“住培前-住培”衔接和“住培-专科培训”衔接机制。住院医师临床技能与综合素质显著提升，住院医师培养质量获得认可。该模式通过动态匹配培训需求与临床资源，形成“5+3+X”全周期教育链的有机贯通，为内科住培分层递进培养改革提供了创新范式。
目的 探索输尿管硬镜进阶式培训模式在住院医师手术技能教学中的效果。方法 选取昆明医科大学第一附属医院2022年9月－2024年12月期间进入泌尿外科学习的住院医师、研究生作为研究对象。随机分为试验组（n=32）和对照组（n=31），学员在开始输尿管硬镜培训前均进行相关理论考试。对照组学员进入临床跟随高年资医师接受传统模式培训；试验组学员采用进阶式学习方法，即先后完成系统理论学习、体外模型训练及临床操作学习。学员能独立完成输尿管硬镜碎石术（ureteroscopic lithotripsy，URSL）时为研究终点，主要指标为学员输尿管硬镜操作考核得分（objective structured assessment of technical skills，OSATS）；次要指标：独立手术前培训时间、学员理论考核成绩、学员满意度评分。结果 与对照组学员相比，试验组学员的OSATS得分明显较高［（29.84±2.14）分 vs （18.23±1.71）分，P<0.05］。通过培训，试验组学员的理论知识考核成绩明显优于对照组学员［（92.19±2.02）分 vs （84.65±1.38）分，P<0.05］；试验组学员首次独立完成URSL手术前经历的培训时间较对照组显著缩短［（41.41±2.65） d vs （64.55±2.31） d，P<0.05］；试验组学员完成URSL手术所需时间明显短于对照组学员［（19.34±1.27） min vs （26.26±1.40） min，P<0.05］。在URSL手术过程中，试验组学员操作视野清晰度评分［（4.31±0.50）分 vs （3.68±0.40）分，P<0.05］及团队协作配合评分［（33.31±0.92）分 vs （30.55±0.88）分，P<0.05］均高于对照组学员。其次，试验组学员对输尿管硬镜进阶式培训的总体满意度高于对照组学员对传统培训方式的满意度［（51.91±1.30）分 vs （47.90±1.26）分，P<0.05］。结论 通过输尿管硬镜手术的进阶式培训可以提高学员的培训效率，同时也能提高学员的满意度。
——以深圳市人民医院为例
目的 剖析医学生人工智能（artificial intelligence，AI）应用素养的群体差异，并基于调查结果提出针对性的医学AI教育培养策略，同时论证大规模开放在线课程（massive open online course，MOOC）在医学AI教育落地中的可实现性与应用价值。方法 采用横断面调查方法，对武汉大学人民医院527名医学相关专业学生进行问卷调查。基于“认知-应用-态度”三维模型评估其AI应用素养，并开展分群比较分析。结果 医学生AI应用素养呈现显著群体分化：“先驱者”（16.50%）具备高认知、高应用水平且态度积极；“矛盾者”（41.70%）认知水平较高但应用能力薄弱，其核心障碍在于责任界定困惑（89.50%）与技能缺失（85.10%）；“旁观者”（41.80%）则表现为低认知、低应用与态度模糊。不同群体对医学AI教育存在差异化需求，且MOOC相较于传统线下授课在覆盖群体、灵活度等方面具备显著优势。结论 医学生AI应用素养存在明显分层，需构建分层分类的医学AI教育体系，而MOOC是实现该教育体系高效落地的优选载体，可为医学生AI复合能力的提升提供可行路径。
目的 揭示护理本科生“五术”培养过程中的实践困境，为护理教育改革提供基于现实的批判性反思依据。方法 采用现象学质性研究方法，对16名护理本科生、12名高校专职教师及临床带教教师进行半结构访谈，运用Colaizzi七步分析法结合Nvivo14.0软件编码分析，提炼核心主题。结果 提炼出四大核心困境：“软素养”评价悬置、知行脱节、艺术概念泛化、理念束缚。结论 当前“五术”培养面临评价、实践、界定、管理层面的结构性困境，仅靠局部方法创新难以根本破解。本研究具象化呈现这些困境，为护理教育改革从“理想化设计”转向“现实性调适”提供了批判性视角，凸显了“困境反思”的核心价值。
医学教育改革是提升医疗服务质量的关键，当前国内医学教改项目普遍存在“高投入、低转化”的困境。本文针对上述难题进行分析，提出了医学教改项目管理中面临的四大困境，即申报项目质量参差不齐、过程性监管机制缺失、课题质量评价单一、成果应用推广路径不明确。针对以上难题，本文提出了系统性优化方案，通过严格项目申报评审、建立多维度质量标准，实施动态过程管理、强化中期考核，创新医学评价体系、关注学生能力培养，明确转化责任、建立配套机制，运用数字技术赋能医学教改项目管理等，提升医学教改项目的申报质量和实施效果，在制度创新和技术赋能两方面推动医学教育的创新发展。
随着全球老龄化程度和慢病负担的持续加剧，由传统“被动医疗”向“主动预防”的主动健康管理成为提高全民健康水平的重要策略。近年来，人工智能（artificial intelligence， AI）在医学领域飞速发展，为疾病早期风险预测、个性化评估和干预提供了关键技术支撑。尽管有一定的研究基础，目前我国AI在主动健康服务管理中的应用进展与局限仍不十分清楚。因此，本综述系统梳理PubMed、Web of Science和中国知网等数据库近十年关于AI在主动健康管理领域实践进展的研究证据，发现基于机器学习、深度学习及大语言模型等在健康监测、风险评估、个体化干预及整合型健康管理平台建设等关键环节形成较为成熟的应用体系，但数据偏倚、隐私安全、算法缺乏验证等问题也进一步限制了其大规模向临床转化应用。本综述为我国未来优化人机协同模式和发展伦理政策提供了重要理论依据。
